Human presence and infrastructure impact wildlife nocturnality differently across an assemblage of mammalian species
Notice bibliographique
Résumé
Wildlife species may shift towards more nocturnal behavior in areas of higher human influence, but it is unclear how consistent this shift might be. We investigated how humans impact large mammal diel activities in a heavily recreated protected area and an adjacent university-managed forest in southwest British Columbia, Canada. We used camera trap detections of humans and wildlife, along with data on land-use infrastructure (e.g., recreation trails and restricted-access roads), in Bayesian regression models to investigate impacts of human disturbance on wildlife nocturnality. We found moderate evidence that black bears (Ursus americanus) were more nocturnal in response to human detections (mean posterior estimate = 0.35, 90% credible interval = 0.04 to 0.65), but no other clear relationships between wildlife nocturnality and human detections. However, we found evidence that coyotes (Canis latrans) (estimates = 0.81, 95% CI = 0.46 to 1.17) were more nocturnal and snowshoe hares (Lepus americanus) (estimate = -0.87, 95% CI = -1.29 to -0.46) were less nocturnal in areas of higher trail density. We also found that coyotes (estimate = -0.87, 95% CI = -1.29 to -0.46) and cougars (Puma concolor) (estimate = -1.14, 90% CI = -2.16 to -0.12) were less nocturnal in areas of greater road density. Furthermore, coyotes, black-tailed deer (Odocoileus hemionus), and snowshoe hares were moderately more nocturnal in areas near urban-wildland boundaries (estimates and 90% CIs: coyote = -0.29, -0.55 to -0.04, black-tailed deer = -0.25, -0.45 to -0.04, snowshoe hare = -0.24, -0.46 to -0.01). Our findings imply anthropogenic landscape features may influence medium to large-sized mammal diel activities more than direct human presence. While increased nocturnality may be a promising mechanism for human-wildlife coexistence, shifts in temporal activity can also have negative repercussions for wildlife, warranting further research into the causes and consequences of wildlife responses to increasingly human-dominated landscapes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».